Seis punto cuatro millones de transacciones ejecutadas por agentes de inteligencia artificial en las redes Solana y Base durante 35 días movieron apenas 119,947 dólares en total, un promedio de 1.9 centavos por operación. La cifra revela una brecha estructural entre la actividad de red y el valor económico real generado por estos sistemas autónomos de pago.
El protocolo que sustenta estas transacciones es x402, un estándar abierto que permite a programas realizar pagos por recursos digitales —llamadas a APIs, datos, imágenes— sin intervención humana. Las operaciones se ejecutan vía HTTP y se liquidan en cadena, principalmente con stablecoins ancladas al dólar. El mecanismo funciona como una línea de crédito para algoritmos: el valor no se mide por la frecuencia de uso, sino por el capital que efectivamente circula.
Micropagos dominantes y rentabilidad en entredicho
El 90.8% de las transacciones registradas estuvo por debajo de un centavo, lo que confirma la naturaleza de micropago del ecosistema actual. Una fracción significativa del volumen corresponde a pruebas y solicitudes repetidas, lo que evidencia la ausencia de contratos de suministro que consoliden la adquisición de datos. Aunque las comisiones en Solana son bajas, la rentabilidad del modelo sigue siendo cuestionable mientras no existan productos que justifiquen pagos de mayor cuantía.
Amir Forouzani, cofundador de Puffer Labs, sostiene que los micropagos seguirán dominando mientras el trading y la tesorería concentren el valor real. Los datos respaldan esa lectura: en cuatro conexiones de Hyperliquid, las transacciones de IA representaron apenas el 0.55% del valor negociado total.
Vulnerabilidades de seguridad en agentes autónomos
El panorama de seguridad añade una capa de riesgo que no puede ignorarse. En mayo de 2026, instrucciones codificadas en morse manipularon a un agente de IA para transferir 175,000 dólares; aproximadamente el 80% fue recuperado. En incidentes similares, se han desviado 281,200 dólares en total hacia carteras maliciosas.
Forouzani advierte que un agente puede ser comprometido si recibe instrucciones de fuentes no autorizadas, lo que plantea un problema de gobernanza más amplio: no basta con limitar el gasto, también es necesario controlar quién puede instruir a los agentes y bajo qué condiciones. Markus Levin de XYO y Benedikt Bünz de Espresso Systems subrayan los riesgos asociados a acciones rápidas replicadas por múltiples agentes simultáneamente, donde un error o una instrucción maliciosa puede propagarse a escala antes de ser detectada.
Implicaciones para la adopción empresarial
Para organizaciones que evalúan integrar agentes de IA en flujos de pago automatizados, los datos actuales ofrecen señales mixtas. El volumen de transacciones demuestra viabilidad técnica a escala; el valor económico acumulado, en cambio, indica que el modelo aún no ha encontrado los casos de uso que justifiquen su adopción masiva en contextos de alto valor. La seguridad de los agentes autónomos emerge como la variable crítica que determinará si esta infraestructura escala de forma controlada o expone a las organizaciones a pérdidas difíciles de contener.




